Senza dati non c’è AI: la sfida europea e il ruolo strategico dell’Italia

Gentile direttore,
nel dibattito contemporaneo sull’intelligenza artificiale in sanità si continua a sopravvalutare la dimensione algoritmica e a sottovalutare quella infrastrutturale. Eppure, il vero fattore abilitante, e al tempo stesso il principale collo di bottiglia, resta il dato: non semplicemente la sua disponibilità, ma la sua qualità, struttura, interoperabilità e governabilità. L’AI clinica non è “data-hungry” in senso quantitativo, ma data-dependent in senso strutturale. Questo significa che non basta avere grandi volumi di informazioni, serve che queste siano coerenti, longitudinali, comparabili tra contesti e, soprattutto, rappresentative della realtà clinica che si vuole modellizzare. In assenza di queste condizioni, i modelli non falliscono in modo evidente, producono output plausibili ma epistemicamente fragili.

Il panorama sanitario europeo, e in modo particolare quello italiano, è ancora caratterizzato da una frammentazione strutturale dei sistemi informativi, regionali, aziendali, dipartimentali, da una scarsa interoperabilità semantica, con codifiche e standard non uniformi, da dati spesso costruiti per esigenze di rendicontazione più che per finalità cliniche o di ricerca, da una limitata capacità di ricostruire percorsi longitudinali del paziente e da un accesso ancora restrittivo ai dati per usi secondari. In questo contesto, l’intelligenza artificiale viene spesso innestata su infrastrutture deboli, generando un paradosso evidente: modelli sofisticati che operano su basi informative instabili.

È qui che lo Spazio Europeo dei Dati Sanitari (EHDS) assume un valore strategico. Non si tratta semplicemente di una piattaforma di condivisione, ma di un tentativo di costruire un ecosistema federato, standardizzato e governato del dato sanitario. Il suo potenziale, in ottica AI, risiede nella capacità di rendere i dati comparabili tra Paesi e sistemi, di abilitare modelli più robusti e generalizzabili e di definire regole comuni su accesso, utilizzo e responsabilità. La differenza tra uno scenario con e senza EHDS è quindi sostanziale e si riflette lungo tutte le dimensioni operative dell’intelligenza artificiale, come sintetizzato in Tabella 1:

Tabella 1. Impatto dell’EHDS sulle dimensioni strutturali, cliniche e di governance dell’intelligenza artificiale in sanità: confronto tra scenario attuale e scenario target.

Ciò che manca oggi, tuttavia, non è solo un’infrastruttura tecnica comune, ma una capacità sistemica di governare il dato. Il limite principale è culturale. In molti sistemi sanitari non esistono strutture dedicate alla gestione strategica del dato lungo tutto il suo ciclo di vita: il dato viene prodotto, ma raramente curato, validato e restituito come strumento decisionale. Mancano competenze ibride capaci di integrare clinica, epidemiologia, data science e governance, generando una frattura tra chi produce i dati e chi li utilizza. Persistono deficit nelle infrastrutture semantiche: far dialogare i sistemi non è sufficiente se non condividono lo stesso significato. A questo si aggiunge una debole cultura del dato, ancora percepito come un obbligo amministrativo e non come un asset clinico e scientifico, e l’assenza di meccanismi strutturati di validazione continua, indispensabili per modelli che, per definizione, evolvono nel tempo.

In questo scenario, il ruolo dell’Italia può essere tutt’altro che marginale. Paradossalmente, proprio la natura decentrata del Servizio Sanitario Nazionale, spesso vista come un limite, può diventare un laboratorio ideale per lo sviluppo di modelli federati e per la sperimentazione di soluzioni interoperabili coerenti con la logica dell’EHDS. L’Italia dispone di asset rilevanti: grandi volumi di dati clinici, una rete capillare di strutture sanitarie e un ampio insieme di competenze in ambiti come epidemiologia, sanità pubblica, biostatistica e data science, oltre ad altre professionalità scientifiche e tecnologiche distribuite nel sistema. Tuttavia, per trasformare questo potenziale in leadership, è necessario un salto di qualità nella governance.

In primo luogo, serve una regia nazionale forte sul dato sanitario, capace di armonizzare le iniziative regionali senza annullarne la specificità. In secondo luogo, è fondamentale investire in infrastrutture semantiche e standard condivisi, evitando che la digitalizzazione resti una somma di sistemi non comunicanti. In terzo luogo, l’Italia può giocare un ruolo chiave nella definizione di modelli etici e regolatori, contribuendo al dibattito europeo su trasparenza, accountability e uso responsabile dell’intelligenza artificiale in sanità. Infine, è necessario costruire un ecosistema di competenze, formando figure ibride che sappiano tradurre il dato in conoscenza e la conoscenza in decisione.

Senza un ecosistema dati robusto, l’intelligenza artificiale rischia di produrre effetti distorsivi, un’illusione di precisione, con output plausibili ma non realmente affidabili; un’amplificazione delle disuguaglianze, se i modelli sono addestrati su dati non rappresentativi; e una crescente dipendenza da sistemi proprietari poco trasparenti e difficilmente verificabili. L’EHDS rappresenta quindi un’opportunità storica, ma non automatica. Per produrre effetti reali, servono infrastrutture operative, capacità locali di implementazione e, soprattutto, un patto di fiducia con i cittadini fondato su trasparenza e responsabilità.

L’intelligenza artificiale in sanità non è soltanto una questione di modelli, ma la costruzione di ecosistemi integrati basati su qualità, accessibilità e interoperabilità dei dati. In assenza di un’infrastruttura realmente condivisa, l’AI rischia di rimanere una tecnologia ad alto potenziale ma frammentata, capace di generare eccellenze locali senza tradursi in un cambiamento sistemico. Al contrario, lo sviluppo di un EHDS pienamente operativo può rappresentare un punto di svolta, trasformando l’intelligenza artificiale in uno strumento concreto di equità, efficienza e progresso scientifico. In questa prospettiva, la sfida è insieme tecnologica, istituzionale, organizzativa e culturale.

Francesco Branda
Unità di Statistica Medica ed Epidemiologia Molecolare, Università Campus Bio-Medico di Roma